麻省理工團隊開發新模型，揭開質子金屬氧化物遷移之謎

科學家一直在尋找質子載體以開發燃料電池等可再生能源技術，而麻省理工研究人員開發的新物理模型能更好預測質子在金屬氧化物中的遷移效率，這將有助于開發以質子作為電荷載體的新材料與技術，而非依賴目前廣泛使用的鋰。

當前電動汽車與可再生能源電站對鋰的需求激增導致其價格上漲。除了成本因素，鋰材料還存在安全與環境隱患，這促使科學家尋找更安全、更具成本效益的電荷載體。燃料電池和電解槽技術的發展使質子成為關鍵電荷載體。質子僅由氫原子核構成，相比其他金屬離子是最簡單的電荷載體，但其應用成效取決于它們在材料中的遷移效率。

目前質子僅能在400°C以上的金屬氧化物中作為電荷載體，科學家尚未在低溫環境下實現質子傳導，這使得麻省理工團隊的新模型具有重要價值。質子傳導原理在于質子因不含電子，傾向于嵌入鄰近離子的電子云中實現離子間跳躍。在金屬氧化物中，質子會嵌入氧離子形成共價鍵；當遷移至相鄰氧離子時則通過氫鍵實現，這個過程中共價氫氧鍵會發生旋轉，使質子無法退回原位。

麻省理工材料科學與工程系教授比爾蓋·伊爾迪茲表示："質子導體在清潔電力、清潔燃料和清潔工業化學合成等能源轉換技術中至關重要，同時能源高效的類腦計算也需要可在室溫工作的無機可擴展質子導體。"由其帶領的研究團隊發現，氧化物離子亞晶格的柔性對質子傳導至關重要。

研究團隊將該指標命名為"氧-氧漲落"，用于測量有限溫度下晶體中聲子引起的氧離子間距變化。他們還構建了七種影響質子遷移的特征數據集，并訓練人工智能模型預測材料對質子的響應。該模型顯示氫鍵長度和氧亞晶格柔性是決定質子遷移的關鍵因素：氫鍵越短、氧離子鏈柔性越強，質子傳導性能越佳。

這不僅有助于篩選質子傳導材料，其數據集還能訓練生成式AI模型來構建理想質子傳導材料。伊爾迪茲補充說："谷歌和微軟近期建立的超大規模材料數據庫，可利用我們發現的規律進行篩選。若現有材料無法滿足參數要求，還能依據這些參數生成新型化合物，這將提升清潔能源轉換與低功耗計算設備的能效及可行性。"

該研究成果已發表于《物質》期刊。

如果朋友們喜歡，敬請關注“知新了了”！